Onal, Merve KesimAvcı, EnginTürkoğlu, İbrahim2021-06-112021-06-112019Onal, M. K., Avcı, E., & Türkoğlu, i., (2019) Biyoakustik ses verileri üzerinde çeşitli sınıflandırıcı algoritmalarının temel bileşen analizi kullanılarak performans karşılaştırması. 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), 1-6.978-172812932-7https://doi.org/10.1109/IDAP.2019.8875968https://hdl.handle.net/20.500.12899/220Doğal ortamlarda alınan seslerin tanınması laboratuvar ortamında alınan veya yapay olarak oluşturulan seslerin tanınmasından daha zordur. Özellikle benzer canlıların çıkardıkları sesler tanınmayı zorlaştıran bir etkendir. Bu çalışmada doğal ortamlardan alınmış farklı aile, cins ve türdeki anuran seslerinin tanınmaları için makine öğrenmesi tekniklerinin karşılaştırılmaları yapılmıştır. Veri seti olarak UCI veri tabanındaki “Anuran Calls (MFCCs)” kullanılmıştır. Bu veri seti doğal ortamlardan alınan anuran seslerinin Mel Frekans Kepstral Katsayılarını içermektedir. Veri seti üzerinde Makine Öğrenmesi algoritmalarından Lojistik Regresyon, Destek Vektör Makineleri ve Karar ağaçları sınıflandırıcılarınn performansları karşılaştırılmıştır. Ayrıca Temel Bileşen Analizi ile veri setinde boyut indirgemesi yapılmış ve sınıflandırıcı performanslarının değişimleri karşılaştırılmıştır.Recognition of the sounds recorded in natural environments is more difficult than recognition of the sounds recorded in the laboratory or artificially generated. Especially the sounds taken from similar individuals is a factor that make the recognition difficult. In this study, machine learning techniques were compared in order to recognize different family, genus and species of anuran sounds recorded in natural environments. The data set named “Anuran Calls (MFCCs)” from the UCI database was used. This data set includes Mel Frequency Cepstral Coefficients of anuran sounds taken from natural environments. On this the data set, the performances of Logistic Regression, Support Vector Machines and Decision tree classifiers were compared. In addition, with Principal Component Analysis, dimension reduction was made in the data set and the changes in classifier performances were compared.trinfo:eu-repo/semantics/closedAccessMel Frekans Kepstral KatsayılarıMakine öğrenmesiBiyoakustik sesLojistik regresyonDestek vektör makineleriKarar ağaçlarıMel frequency cepstral coefficientsMachine learningBioacoustic signalLogistic regressionSupport vector machineDecision treesConference Object10.1109/IDAP.2019.8875968162-s2.0-85074889033